Crédito:CC0 Public Domain
Los investigadores que quieren realizar drones autónomos en enjambre han estudiado el comportamiento colectivo de aves en bandadas e insectos enjambres. pero un nuevo estudio realizado por un grupo de investigadores de ETH Zurich ha modelado el comportamiento de los bancos de peces. Usando el aprendizaje por refuerzo profundo, el grupo estudió cómo los peces extraen energía del flujo de agua y las turbulencias creadas por sus propios compañeros de natación, obtener información que podría conducir a un bajo consumo de energía, enjambres colectivos de drones autónomos. Y si, aunque hay muchas aplicaciones prácticas interesantes para el sector privado y la industria, Los ejércitos de todo el mundo están interesados en construir flotas de drones autónomos. Y si, es espeluznante.
Las formaciones de bancos de peces atraviesan campos de flujo en gran parte invisibles que redirigen la energía mecánica del agua, por lo que los peces tienen que compensar individual y colectivamente. Los cambios en el flujo son causados por las mareas, agua redirigida a objetos pasados, y los propios movimientos de los peces. Durante milenios los peces se han adaptado, volviéndose sensible a estos cambios en la energía mecánica y desarrollando la capacidad de extraer energía de los campos de flujo submarino.
Esto incluye recolectar energía de los campos de flujo generados por sus compañeros de escuela, conduciendo a ahorros colectivos de energía, similar a los conductores de autos de carrera que redactan o deslizan tras el auto líder. Un grupo de investigadores de TKTK ha publicado un informe de su estudio in silico, "Natación colectiva eficiente aprovechando los vórtices a través del aprendizaje por refuerzo profundo, " en el procedimientos de la Academia Nacional de Ciencias .
El aprendizaje por refuerzo es un campo del aprendizaje automático inspirado en la psicología conductista. Se ocupa ampliamente de la existencia y caracterización de soluciones óptimas a un problema; es una forma de enseñar a los agentes de software a encontrar las mejores soluciones en un entorno para lograr una recompensa.
Comprender el entorno en el que navegan los peces es la clave para comprender el comportamiento de los cardúmenes. "Existe evidencia de que su comportamiento de nado se adapta a los gradientes de flujo (reotaxis) y, en ciertos casos, refleja la recolección de energía de dichos entornos, "escriben los autores." Las interacciones hidrodinámicas también se han implicado en los patrones de formación de bancos de peces que se forman cuando los peces individuales adaptan su movimiento al de sus compañeros, mientras compensa los desplazamientos inducidos por el flujo ".
Para probar si este es el caso, el modelo combinó el aprendizaje por refuerzo con simulaciones numéricas directas de las ecuaciones de Stokes de las Armadas para dos nadadores autónomos autopropulsados en tándem, uno líder y uno siguiente. En un modelo, el seguidor interactúa con la estela creada por el líder; en el segundo, a los nadadores solitarios que se movían aislados en un dominio ilimitado. Los peces interactuantes autónomos desarrollaron una política óptima para la natación eficiente; los nadadores solitarios sirvieron de control para evaluar la ausencia de estela de líder.
Al comparar los datos energéticos de los peces que interactúan y los nadadores solitarios, Los investigadores también determinaron que la eficiencia de nado de los peces que interactuaban era significativamente mayor, con un aumento del 11 por ciento en la velocidad media, un aumento del 32 por ciento en la eficiencia promedio de natación, una disminución del 36 por ciento en una variable que llamaron "costo de transporte, "una medida de la energía gastada para recorrer una unidad de distancia.
© 2018 Tech Xplore